Video yükleniyor...

Video Yüklenemedi

Ana Sayfaya Dön

Gemma-4-E2B-it 在三年前的iphone 14 pro max上同时做图片识别和翻译的速度。 太牛了，OCR翻译软件都废了！

billtheinvestor's profile picture

Bill The Investor

117,837 subscribers

107,632 görüntüleme • 3 ay önce •via X (Twitter)

Bilim & TeknolojiFinans
LIVE

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

只能说AI现在太屌了好吧 上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼 今天看到，OpenAI出了一个GPT实时翻译模型 我就直接手搓了一个，ios上接入GPT模型的翻译软件 同时我还手搓了一个，接入该模型的，mac端的语音翻译软件 不过翻译有些延迟 耗时一下午就搓出来了，之前完全不懂编程
0:36

只能说AI现在太屌了好吧 上次去日本，被那个苹果翻译，谷歌翻译搞的实在头疼 今天看到，OpenAI出了一个GPT实时翻译模型 我就直接手搓了一个，ios上接入GPT模型的翻译软件 同时我还手搓了一个，接入该模型的，mac端的语音翻译软件 不过翻译有些延迟 耗时一下午就搓出来了，之前完全不懂编程

多伦多方脸

242,071 görüntüleme • 2 ay önce

Manga-image-Translator: 一键翻译各类图片内文字 一个开源工具，专门用于翻译漫画或图片中的文字。 利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。 不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。 主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型 项目地址： 官方演示：
1:01

Manga-image-Translator: 一键翻译各类图片内文字 一个开源工具，专门用于翻译漫画或图片中的文字。 利用高效的OCR和AI翻译技术，它能够自动识别和翻译任何图片中的文字，并支持多种语言。 不仅翻译文字，还可以对去除文字后的区域进行修复和上色，以及重新渲染翻译后的文本。 主要功能： 1、自动翻译图片中的文本：使用先进的OCR技术自动识别图片或漫画中的文字，并将其翻译成用户指定的语言。 2、支持多种语言：虽然最初设计是为了翻译日语文本，项目也支持中文、英文、韩文等多种语言的翻译，满足不同用户的需求。 3、文本修复与上色：在移除原始文本后，能够对相应区域进行修复和上色，保持图片的整体美观。 4、文本渲染：翻译完成的文本不仅仅是以简单文本形式呈现，还会根据原图的风格进行渲染，使翻译后的文本自然融入图片中。 5、支持命令行界面（CLI）和Web界面：用户可以通过命令行界面批量处理图片翻译任务，或者通过Web界面进行单个图片的翻译和预览。 6、一键去除漫画中的所有文字，支持多种翻译服务或模型 项目地址： 官方演示：

小互

45,571 görüntüleme • 2 yıl önce

苹果去年画的饼反而被谷歌实现了：将最先进的Gemini翻译能力引入自家的翻译应用，戴着任意一款耳机就能做到实时音频翻译，具体效果看下方视频。我觉得这种翻译能力要比人们意识的大很多：以前是需要音频-文字-翻译-音频，现在是直接音频-音频，靠AI的理解去翻译，不仅速度快到接近同传水平，甚至连你的“阴阳怪气”他都能翻译。一场突如其来的科技革命，使得本就不景气的翻译专业更是雪上加霜。
2:50

苹果去年画的饼反而被谷歌实现了：将最先进的Gemini翻译能力引入自家的翻译应用，戴着任意一款耳机就能做到实时音频翻译，具体效果看下方视频。我觉得这种翻译能力要比人们意识的大很多：以前是需要音频-文字-翻译-音频，现在是直接音频-音频，靠AI的理解去翻译，不仅速度快到接近同传水平，甚至连你的“阴阳怪气”他都能翻译。一场突如其来的科技革命，使得本就不景气的翻译专业更是雪上加霜。

傅盛

133,770 görüntüleme • 7 ay önce

第一次用三星手机 通话实时翻译和自带键盘的翻译，都太适合出海用了 打电话不发怵了 上次宽带客服我打三四个电话都没整明白
1:18

第一次用三星手机 通话实时翻译和自带键盘的翻译，都太适合出海用了 打电话不发怵了 上次宽带客服我打三四个电话都没整明白

花果山大圣

225,103 görüntüleme • 1 yıl önce

🥳翻译界天花板组合：沉浸式翻译 + Bob 翻译！ 分享我使用频率最高的4种场景，网页翻译，youtube双语，非网页客户端，全局截图翻译。 沉浸式翻译插件，按 option 快捷键就在内容下面展示翻译内容，我还加了虚线增强，youtube 双语字幕就更不用说了，平时学习就直接开着。 Bob翻译，解决了非网页客户端的翻译问题，滑词翻译，截图翻译，都支持快捷键自定义，丝滑的一匹。 费用: 沉浸式翻译，我还是免费使用，bob花58块就能终身使用。 它们都支持非常多的 ai 翻译服务的接入，功能非常丰富，我只用到了其中简单的几个特性
0:29

🥳翻译界天花板组合：沉浸式翻译 + Bob 翻译！ 分享我使用频率最高的4种场景，网页翻译，youtube双语，非网页客户端，全局截图翻译。 沉浸式翻译插件，按 option 快捷键就在内容下面展示翻译内容，我还加了虚线增强，youtube 双语字幕就更不用说了，平时学习就直接开着。 Bob翻译，解决了非网页客户端的翻译问题，滑词翻译，截图翻译，都支持快捷键自定义，丝滑的一匹。 费用: 沉浸式翻译，我还是免费使用，bob花58块就能终身使用。 它们都支持非常多的 ai 翻译服务的接入，功能非常丰富，我只用到了其中简单的几个特性

Meepo

13,321 görüntüleme • 11 ay önce

谷歌翻译新版直接起飞 嵌入了 Gemini 的模型。 翻译能力基于图片的实时翻译能力都提升了 还新增了一个学习模式 可以基于场景来锻炼你的听力和口语 可以设置自定义场景。 当前正在基于语言的学习做应用的感觉都可以停了。 目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。
1:35

谷歌翻译新版直接起飞 嵌入了 Gemini 的模型。 翻译能力基于图片的实时翻译能力都提升了 还新增了一个学习模式 可以基于场景来锻炼你的听力和口语 可以设置自定义场景。 当前正在基于语言的学习做应用的感觉都可以停了。 目前我身边就有两个朋友在做类似的事情。看完感觉直接凉了。

ttmouse - 豆爸

79,054 görüntüleme • 7 ay önce

今早想起来用codex把三年前的开源项目ebook gpt translator更新了 以前因为API来翻译太耗money，GPT-3.5的时候就测试过至少好几刀翻译一本，所以就停更了 今早想起来，可以用codex来翻译，后续可以再接入gemini cli， claude code等等用订阅账号的用量来做 V2有如下特点： 1. 增加了简单的GUI可以选择参数 2. 自定义翻译prompt，如“以红楼梦的风格翻译” 3. 断点续翻
0:24

今早想起来用codex把三年前的开源项目ebook gpt translator更新了 以前因为API来翻译太耗money，GPT-3.5的时候就测试过至少好几刀翻译一本，所以就停更了 今早想起来，可以用codex来翻译，后续可以再接入gemini cli， claude code等等用订阅账号的用量来做 V2有如下特点： 1. 增加了简单的GUI可以选择参数 2. 自定义翻译prompt，如“以红楼梦的风格翻译” 3. 断点续翻

Jesse Lau 遁一子

32,175 görüntüleme • 4 ay önce

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译
0:23

一款基于Gradio Web UI的语音识别、翻译和TTS的语音一体化处理工具：Voice-Pro，支持实时转录、翻译，一键安装 特点： 1、提供YouTube下载器、噪音去除、字幕、翻译和TTS的集成环境 2、支持100种语言的语音识别和字幕创建，可翻译成100多种语言并通过TTS生成语音，可调整TTS语音速度、音量和音调 3、原始视频的背景音乐和音效在多语言视频中保持不变 4、支持批量处理 github： #AI视频转录 #Voice #视频翻译

AIGCLINK

42,282 görüntüleme • 1 yıl önce

在阅读英文文献的时候，看到不懂的英语就要切换到其他翻译软件进行翻译，每次启动还要看一下启动广告，就很难受，于是我跟朋友一拍即合，开发了《para翻译》app 现在支持全局浮窗翻译，聚合翻译，多种翻译源切换，支持自定义api。 有需要的朋友可以下载体验～
1:00

在阅读英文文献的时候，看到不懂的英语就要切换到其他翻译软件进行翻译，每次启动还要看一下启动广告，就很难受，于是我跟朋友一拍即合，开发了《para翻译》app 现在支持全局浮窗翻译，聚合翻译，多种翻译源切换，支持自定义api。 有需要的朋友可以下载体验～

Paidax

138,372 görüntüleme • 1 yıl önce

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。 模型可直接处理原始的图像和声音 用一个类比讲清楚 传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。 每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。 几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言 内置 Thinking 模式（逐步推理）和原生 Function Calling
1:39

Google 发布 Gemma 4 12B 开源模型 16GB 笔记本跑全模态 AI Gemma 4 12B 采用了一种叫"Unified"的无编码器架构，让文字、图像、音频、视频四种输入直接进入同一个 Transformer 主干网络处理。 模型可直接处理原始的图像和声音 用一个类比讲清楚 传统多模态模型处理图片和音频的方式，类似于一个只会中文的老板配了两个翻译：一个英文翻译（视觉编码器），一个日文翻译（音频编码器）。 每次有英文或日文材料进来，必须先让翻译转成中文，老板才能看懂。翻译本身占工位（显存），翻译过程要排队等（延迟），而且老板拿到的是翻译加工过的版本，不是原文。 Gemma 4 12B 做的事情是：把两个翻译都裁了，让老板自己学会了直接看英文和日文。 几个关键数字： 16GB 显存或统一内存能跑，4-bit 量化低到 8GB，目标就是在普通笔记本上本地运行 256K Token 上下文窗口，支持 140+ 种语言 内置 Thinking 模式（逐步推理）和原生 Function Calling

小互

57,241 görüntüleme • 1 ay önce

因为一些工作原因，经常要看一些外文动态或者文献，但自己的外语水平实在不好，经常要在多个翻译软件上来回切，才能保证翻译结果的准确性，有的翻译软件甚至每次启动都有广告，实在很难受。在一次巧合下，我发现 ios 的画中画可以显示我的剪切板内容，于是我开发了这个基于画中画显示的全局翻译软件
0:34

因为一些工作原因，经常要看一些外文动态或者文献，但自己的外语水平实在不好，经常要在多个翻译软件上来回切，才能保证翻译结果的准确性，有的翻译软件甚至每次启动都有广告，实在很难受。在一次巧合下，我发现 ios 的画中画可以显示我的剪切板内容，于是我开发了这个基于画中画显示的全局翻译软件

Paidax

387,851 görüntüleme • 1 yıl önce

特朗普羞辱习近平，说习的翻译也是小学英语程度！ 川普说了啥？让中共女翻译这么害怕？ 川普： 翻译非常重要！当我和世界另一个大国领导人通话时，虽然我不懂那种语言，但我能感受到这个翻译很差劲。翻译结结巴巴 ：呃、呃…我说出一段很长很漂亮话，这个翻译花了很短的时间就翻译完了，完全没有表达出我的原意…
0:40

特朗普羞辱习近平，说习的翻译也是小学英语程度！ 川普说了啥？让中共女翻译这么害怕？ 川普： 翻译非常重要！当我和世界另一个大国领导人通话时，虽然我不懂那种语言，但我能感受到这个翻译很差劲。翻译结结巴巴 ：呃、呃…我说出一段很长很漂亮话，这个翻译花了很短的时间就翻译完了，完全没有表达出我的原意…

芙宁娜娜💙Furinana (王者归来版）

77,121 görüntüleme • 4 ay önce

Claude code 自动帮我下载并翻译的这个视频 还真不错 自动下载、翻译字幕，并烧录对齐时间戳 全自动，我用我之前的字幕翻译有提示词让它帮我做了个技能
1:40

Claude code 自动帮我下载并翻译的这个视频 还真不错 自动下载、翻译字幕，并烧录对齐时间戳 全自动，我用我之前的字幕翻译有提示词让它帮我做了个技能

小互

28,520 görüntüleme • 5 ay önce

这丝滑的体验吓到我了！请一定要看完视频！ Safari浏览器安装沉浸式翻译插件，切换到智谱GLM大模型，这翻译速度逆天了，延迟很低！！原来我一直迷信的选择chatgpt作为翻译引擎。 所以，场景合适就是最好！ 你也在用的话，快去换成智谱试试，记得回来感谢我！ #沉浸式翻译 #智谱GLM #AI翻译 #Safari插件 #iPhone #大模型 #AI工具 #AITranslation #效率工具 #用户体验
0:24

这丝滑的体验吓到我了！请一定要看完视频！ Safari浏览器安装沉浸式翻译插件，切换到智谱GLM大模型，这翻译速度逆天了，延迟很低！！原来我一直迷信的选择chatgpt作为翻译引擎。 所以，场景合适就是最好！ 你也在用的话，快去换成智谱试试，记得回来感谢我！ #沉浸式翻译 #智谱GLM #AI翻译 #Safari插件 #iPhone #大模型 #AI工具 #AITranslation #效率工具 #用户体验

沉浸式翻译

11,742 görüntüleme • 1 yıl önce

Memo 1.2.0 更新！为大家带来丰富的集成，丝滑的视频播客转文字，翻译体验。 1. 翻译字幕支持 Open AI、Claude、DeepL、微软、谷歌、Ollama 等数十种翻译服务供选择。 2. 支持继续翻译，中断翻译也不用担心重头开始浪费 Token。 3. 视频总结、生成思维导图速度提升 10 倍。 接下，说话人分类正在路上！
0:28

Memo 1.2.0 更新！为大家带来丰富的集成，丝滑的视频播客转文字，翻译体验。 1. 翻译字幕支持 Open AI、Claude、DeepL、微软、谷歌、Ollama 等数十种翻译服务供选择。 2. 支持继续翻译，中断翻译也不用担心重头开始浪费 Token。 3. 视频总结、生成思维导图速度提升 10 倍。 接下，说话人分类正在路上！

Memo AI

301,766 görüntüleme • 2 yıl önce

兄弟们，这个有点炸裂了 HeyGen 推出视频内文本翻译工具 不仅能翻译你的声音，还翻译屏幕上的文字、字幕！ - 自动进行文本检测 - 将视频中的文本即时翻译成您选择的语言 - 并通过 AI 进行文本与视频风格匹配 非常牛P，翻译视频更加便利...
1:02

兄弟们，这个有点炸裂了 HeyGen 推出视频内文本翻译工具 不仅能翻译你的声音，还翻译屏幕上的文字、字幕！ - 自动进行文本检测 - 将视频中的文本即时翻译成您选择的语言 - 并通过 AI 进行文本与视频风格匹配 非常牛P，翻译视频更加便利...

小互

118,034 görüntüleme • 1 yıl önce

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译
0:31

阿里今天还放出来一款实时多模态同传模型：Qwen3-LiveTranslate-Flash，具备视觉能力，能听能看，3秒延迟可实时翻译 能识别18语言和粤语、北京话、四川话等6种方言，能说10种语言 引入了视觉上下文增强技术，可以识别口型、动作、文字、实体，解决在嘈杂音频环境，或者是一词多译词场景下的翻译问题 中英及多语言语音翻译准确度优于Gemini-2.5-Flash、GPT-4o-Audio-Preview、Voxtral Small-24B #AI同传 #Qwen3同传 #AI实时翻译

AIGCLINK

48,830 görüntüleme • 10 ay önce

又一个必看视频出现了 Andrej Karpathy 昨天在 YC 的旧金山创业大会上发表了一场 40 分钟的演讲。 介绍了软件从传统编码（软件 1.0）到神经网络（软件 2.0）的演变，并着重阐述了由大型语言模型（LLMs）驱动的软件 3.0 时代。 我翻译了演讲视频而且结合他以前的文章对演讲做了总结
39:31

又一个必看视频出现了 Andrej Karpathy 昨天在 YC 的旧金山创业大会上发表了一场 40 分钟的演讲。 介绍了软件从传统编码（软件 1.0）到神经网络（软件 2.0）的演变，并着重阐述了由大型语言模型（LLMs）驱动的软件 3.0 时代。 我翻译了演讲视频而且结合他以前的文章对演讲做了总结

歸藏(guizang.ai)

142,021 görüntüleme • 1 yıl önce

卧槽，本年度最佳开源视频转录软件来了 WhisperX 单词级转录；Claude Sonnet 2步翻译 + 精简句子，最神级功能：它居然精确到单行字幕，且自动对齐，卧槽，秒掉 99.99% 的竞品 我用 Lex Fridman 采访 Pieter Levels 的2分钟视频，做了实验。全程我只点了一下【翻译并生成字幕】，它完全自动翻译并压制到了原视频
2:01

卧槽，本年度最佳开源视频转录软件来了 WhisperX 单词级转录；Claude Sonnet 2步翻译 + 精简句子，最神级功能：它居然精确到单行字幕，且自动对齐，卧槽，秒掉 99.99% 的竞品 我用 Lex Fridman 采访 Pieter Levels 的2分钟视频，做了实验。全程我只点了一下【翻译并生成字幕】，它完全自动翻译并压制到了原视频

黄赟

258,716 görüntüleme • 1 yıl önce